پیشبینی کوتاه مدت وضعیت ترافیک با استفاده از کلان داده ترافیکی راه های برونشهری برداشت شده از سامانه های هوشمند
محل انتشار: اولین کنفرانس تهران هوشمند
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 818
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
SMARTTEH01_024
تاریخ نمایه سازی: 12 دی 1398
چکیده مقاله:
با پیشرفت روشهای برداشت داده، تعریف جدیدی تحت عنوان کلان داده وارد مطالعات حمل ونقل شده است. روشهای تحلیل چنین داده هایی عمدتا در طبقه روش های مبتنی بر یادگیری ماشین قرار میگیرد. داده هایی ترافیکی راه های برون شهری نیز کلان داده به حساب می آیند. چنانچه بتوان متغیرهای ترافیکی نظیر وضعیت ترافیک را برای آینده کوتاهمدت پیشبینی کرد، میتوان در بعد استفاده کننده و گرداننده سیستم، برنامه ریزیهای کوتاه مدت مشخصی داشت. در این مطالعه متغیر وضعیت ترافیک که شامل وضعیتهای، سبک، نیمه سنگین، سنگین و راهبندان میشود با استفاده از روشهای ماشین بردار پشتیبان و شبکه عصبی مصنوعی پیشبینی شده است. همچنین با توجه به تعدد ویژگیهای موجود در مجموعه داده، از روش تحلیل مولفه های اساسی به منظور کاهش ابعاد داده استفاده شده است. نتایج نشان میدهد، میانگین دقت پیشبینی وضعیت ترافیک با 92 متغیر اولیه برای مدل شبکه عصبی مصنوعی و مدل ماشین بردار پشتیبان به ترتیب برابر با 68/86 و 75/59 است و برای 30 متغیر به دست آمده از تحلیل مولفه های اساسی برای مدل شبکه عصبی مصنوعی و مدل ماشین بردار پشتیبان به ترتیب برابر با 63/62 و 75/18 است. به طورکلی مدل ماشین بردار پشتیبان دقت بیشتری در مقایسه با مدل شبکه عصبی مصنوعی در برداشته است.
کلیدواژه ها:
پیشبینی کوتاه مدت ، کلان داده ، ماشین بردار پشتیبان ، شبکه عصبی مصنوعی ، وضعیت ترافیک ، یادگیری ماشین ، سیستمهای حمل ونقل هوشمند